CN112651909B - 图像合成方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像合成方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112651909B CN112651909B CN201910959995.7A CN201910959995A CN112651909B CN 112651909 B CN112651909 B CN 112651909B CN 201910959995 A CN201910959995 A CN 201910959995A CN 112651909 B CN112651909 B CN 112651909B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- historical
- pixel
- original
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001308 synthesis method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 49
- 239000002131 composite material Substances 0.000 claims abstract description 17
- 230000002194 synthesizing effect Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 17
- 238000003709 image segmentation Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 19
- 230000015572 biosynthetic process Effects 0.000 abstract description 14
- 238000003786 synthesis reaction Methods 0.000 abstract description 14
- 239000000872 buffer Substances 0.000 description 27
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009965 odorless effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开公开了一种图像合成方法、装置、电子设备和计算机可读存储介质。其中该图像合成方法包括:从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;从所述原始图像帧中分割出目标对象图像;对所述目标对象图像做模糊处理得到第一图像;获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;将所述第一图像放入所述缓存队列中;获取噪声图像帧,所述噪声图像帧为灰度图像;根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。通过上述方法,解决了现有技术中无法简单快速的生成视频效果的技术问题。
Description
技术领域
本公开涉及图像合成领域,尤其涉及一种图像合成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着计算机网络的发展,和智能手机的普及,普通的用户已经不能满足于仅仅利用单调的图片和文字来表达自己的情感。视频以呈现出更为丰富多样的内容和形式及带来的直观感受深受用户的喜爱,并且逐渐流行开来,普通用户制作原创视频逐渐成为一个趋势。但是另外一方面是原创自拍类视频表现形式平淡无味,与此同时,我们可以看到视频特效在影视作品中的运用越来越丰富,在内容表现形式方面也更加的多样化,可以说视频持效是一个成功的影视作品的支撑和保障。
然而现在的视频特效制作一般是先录制视频之后通过后期制作完成,所显示出来特效是固定的,只能按照预先的时间逻辑播放直至结束;并且后期制作的门槛较高,普通用户无法快速的生成一个特效或制作复杂一些的特效。因此,如何简单快速的生成视频效果成为亟待解决的技术问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开实施例提供一种图像合成方法,包括:
从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;
从所述原始图像帧中分割出目标对象图像;
对所述目标对象图像做模糊处理得到第一图像;
获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;
将所述第一图像放入所述缓存队列中;
获取噪声图像帧,所述噪声图像帧为灰度图像;
根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
第二方面,本公开实施例提供一种图像合成装置,包括:
原始图像帧获取模块,用于从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;
目标对象图像分割模块,用于从所述原始图像帧中分割出所述目标对象图像;
模糊处理模块,用于对所述目标对象图像做模糊处理得到第一图像;
历史第一图像获取模块,用于获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;
第一图像缓存模块,用于将所述第一图像放入所述缓存队列中;
噪声图像帧获取模块,用于获取噪声图像帧,所述噪声图像帧为灰度图像;
合成模块,用于根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
第三方面,本公开实施例提供一种电子设备,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面中的任一所述图像合成方法。
第四方面,本公开实施例提供一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述第一方面中的任一所述图像合成方法。
本公开公开了一种图像合成方法、装置、电子设备和计算机可读存储介质。其中该图像合成方法包括:从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;从所述原始图像帧中分割出目标对象图像;对所述目标对象图像做模糊处理得到第一图像;获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;将所述第一图像放入所述缓存队列中;获取噪声图像帧,所述噪声图像帧为灰度图像;根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。通过上述方法,解决了现有技术中无法简单快速的生成视频效果的技术问题。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开提供的图像合成方法实施例的流程图;
图2为本公开提供的图像合成方法实施例中步骤S104的一个具体实例流程图;
图3为本公开提供的图像合成方法实施例中步骤S107的一个具体实例流程图;
图4为本公开提供的图像合成方法实施例中步骤S301的一个具体实例流程图;
图5为本公开提供的图像合成方法实施例中步骤S402的一个具体实例流程图;
图6为本公开提供的图像合成方法实施例中步骤S302的一个具体实例流程图;
图7为本公开提供的图像合成方法实施例中步骤S302的另一具体实例流程图
图8为本公开实施例提供的图像合成装置的实施例的结构示意图;
图9为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的图像合成方法实施例的流程图,本实施例提供的该图像合成方法可以由一图像合成装置来执行,该图像合成装置可以实现为软件,或者实现为软件和硬件的组合,该图像合成装置可以集成设置在图像合成系统中的某设备中,比如图像合成服务器或者图像合成终端设备中。如图1所示,该方法包括如下步骤:
步骤S101,从图像源获取原始图像帧;
在本公开中,所述原始图像帧中包括目标对象,其中所述目标对象为预先设置的待检测的对象,典型的如人像、动物等等。
在本公开中所述原始图像帧为从所述图像源获取到的原始图像的当前图像帧,所述的当前图像帧为当前时刻所所述原始图像所播放的图像帧。
可选的,在该步骤中,所述原始图像帧为从图像传感器接收的图像帧。所述图像传感器指可以采集图像的各种设备,典型的图像传感器为摄像机、摄像头、相机等。在该实施例中,所述图像传感器可以是终端设备上的摄像头,比如智能手机上的前置或者后置摄像头,摄像头采集的图像可以直接显示在手机的显示屏上。
可选的,在该步骤中,所述原始图像帧为从存储器中接收视频图像的图像帧,所述视频图像为事先录制完成的视频,并被保存在所述存储器中。可选的,所述存储器为本地存储器或者网络存储器。在该步骤之前,接收从存储器中发送来的视频图像,并显示在设备的显示装置。
在该步骤中,所述获取原始图像帧,为原始图像中的多个帧中的其中一帧,且特指当前时刻正在播放的图像帧。图像帧按照一定的速度播放以形成所述原始图像,典型的每秒播放30帧图像帧,当开始播放所述原始图像帧时,每33毫秒更换一次图像帧,如刚开始播放的0秒,所述原始图像帧是整个原始图像的第一帧,而播放到第1秒时,所述原始图像帧是整个原始图像的第31帧,以此类推。可以理解的,所述原始图像的帧率(每秒所播放的帧数)可以是任意值,上述实例仅仅是举例,不对本公开构成任何限制。
步骤S102,从所述原始图像帧中分割出目标对象图像;
其中所述目标对象可以是任何预先设置的需要从所述原始图像中识别出来的对象,典型的目标对象可以是人像。
识别原始图像中的目标对象可以使用任何目标识别算法。典型的如基于深度学习的,所述目标对象为人像,则可以使用带有人像的图像对神经网络进行训练,使用训练好的神经网络对所述获取到的视频图像中的第一图像帧进行分类以确定所述第一图像帧中是否包含人像,当判断所述第一图像帧中包含人像时,再使用人像检测算法检测人像的关键点以将人像的轮廓确定出来;或者可以使用标记有人像外接框的图像对神经网络进行训练,使用训练好的神经网络对所述视频图像中的每个图像帧进行外接框的回归以缩小人像的范围,之后再使用人像检测算法检测人像的关键点以将人像的轮廓确定出来;或者使用标记有人像关键点的图像对神经网络进行训练,使用训练好的神经网络对所述视频图像中的每个图像帧进行人像关键点回归以确定图像帧中是否包含人像并根据所述关键点确定出人像的轮廓。
可以理解的是,上述人像以及识别方法仅仅是举例,不构成对本公开的限制,实际上可以根据要实现的效果以及场景预先选择目标对象以及针对所述目标对象的合适的识别算法。
在确定所述原始图像帧中包括目标对象之后,将所述目标对象从所述原始图像帧中分割出来,生成目标对象图像。在判断所述原始图像帧中是否包括所述目标对象的同时,会确定所述原始图像帧中是否包含所述目标对象的某些特征,根据这些特征可以确定所述目标对象的轮廓,以便将所述目标对象从所述第一图像帧中分割出来。
可选的,上述识别和分割也可以是同一个步骤,典型的如利用训练好的卷积神经网络,对第一图像帧中的每个像素点进行分类,判断其是否为人像中的像素点,当所有的像素点都被分类好,如果第一图像帧中包括人像,则人像的图像也已经被分割出来。
步骤S103,对所述目标对象图像做模糊处理得到第一图像;
可选的,在本公开中,所述模糊处理为高斯模糊处理,对所述目标对象图像做模糊处理之后,得到第一图像,所述第一图像中的目标对象的边缘会由于模糊处理的原因向外扩散,产生一种发散的效果。
可选的,所述对所述目标对象图像做模糊处理得到第一图像,包括:
获取模糊参数;
根据所述模糊参数对所述目标对象图像进行高斯模糊得到第一图像。
其中,所述模糊参数决定所述高斯模糊处理的程度,典型的,所述模糊参数为模糊半径和/或权重矩阵。其中所述模糊参数可以通过配置文件获取也可以通过人机交互接口获取,在此不再赘述。
可选的,所述对所述目标对象图像做模糊处理得到第一图像,包括:
获取所述目标对象的大小属性;
根据所述大小属性控制模糊处理的处理范围对所述目标对象图像做模糊处理得到第一图像。
典型的,所述目标对象为人像,所述大小属性为所述人脸中的人脸外接框的宽度或者高度。所述根据所述大小属性控制模糊处理的处理范围,包括根据以下公式就算处理范围的参数:
Scale=a+(b-a)*(facewidth-facewidthmin)/(facewidthmax-facewidthmin)
其中,a,b为预先设置的常数值,其中a≥0,b≥0,且b>a;facewidthmin和facewidthmax为预先设置的常数值,facewidth为所述目标对象的大小属性,且facewidth≥facewidthmin。
得到上述范围参数Scale之后,在进行模糊处理时,无论是何种处理方式,在计算时均乘以该范围参数,由于范围参数与目标对象的大小相关,因此可以通过目标对象的大小控制模糊的范围进而控制最终合成图像的效果范围。
可以理解的是,本公开中的模糊处理还可以是其他模糊处理,其目的在于产生目标对象图像的发散效果,上述高斯模糊仅仅是举例,不构成对本公开的限制。
步骤S104,获取缓存队列中的历史第一图像;
在本公开中,预先设置缓存队列,用于存储由历史原始图像帧得到的第一图像,典型的,在获取当前时刻的原始图像帧之前,已经获取过当前时刻之前的原始图像帧,并同样经过步骤S103的处理得到了其对应的第一图像,这些图像在本公开中成为历史第一图像,缓存队列的大小决定历史第一图像的多少,典型的所述缓存队列的长度为6,则缓存队列中缓存有当前时刻之前的6个时刻的原始图像帧所对应的第一图像,即6个历史第一图像。
可选的,所述历史第一图像是对缓存队列中的图像进行处理之后的结果,在此情况下,所述获取缓存队列中的历史第一图像,包括:
步骤S201,获取缓存队列中的多个原始历史第一图像;
步骤S202,获取所述多个原始历史第一图像的透明度系数;
步骤S203,将所述多个原始历史第一图像的透明度分别和与其对应的透明度系数相乘得到多个调整透明度;
步骤S204,计算得到所述多个调整透明度中的最大调整透明度;
步骤S205,根据所述最大调整透明度生成所述历史第一图像。
典型的,设所述缓存队列的长度为6,在步骤S201中,获取缓存队列中的6个原始历史第一图像,在该可选实施例中,所述原始历史第一图像为当前时刻之前的原始图像帧所对应的第一图像。获取所述多个原始历史第一图像的透明度系数,典型的,该透明度系数根据缓存的时间先后,时间越早的原始历史第一图像所对应的透明度系数越小,如该实例中,设缓存队列中的6个缓存位置上的原始历史第一图像分别为buffer1、buffer2、buffer3、buffer4、buffer5、buffer6,其中buffer6的时间最早,buffer1的时间最近,其对应的透明度系数分别为1、0.8、0.6、0.4、0.2、0,则可以通过原始历史第一图像的透明度乘以透明度系数得到调整透明度buffer1.a*1、buffer2.a*0.8、buffer3.a*0.6、buffer4.a*0.4、buffer5.a*0.2、buffer6.a*0,其中buffer1.a表示第一个缓存位置上的原始历史第一图像的透明度,其他以此类推。之后计算这6个调整透明度中的最大调整透明度a.max=max(buffer1.a*1,buffer2.a*0.8,buffer3.a*0.6,buffer4.a*0.4,buffer5.a*0.2,buffer6.a*0),将所述原始历史第一图像上的每个像素点的最大调整透明度作为历史第一图像的透明度生成所述历史第一图像。可选的,将所述多个原始历史第一图像进行混合得到历史第一图像的混合图像,之后将该混合图像中的每个像素点的透明度设置为所述像素点的最大调整透明度,生成第一图像。
步骤S105,将所述第一图像放入所述缓存队列中;
在该步骤中,将当前时刻的第一图像放入所述缓存队列中。
可选的,所述将所述第一图像放入所述缓存队列中,包括:将所述缓存队列中的历史第一图像依次前移一个位置;将所述第一图像放入所述缓存队列的队尾。所述缓存队列包括多个缓存位置,所述历史第一图像按照原始图像帧的先后顺序(即时间顺序)存入所述队列中,当所述缓存的多个缓存位置均被存满时,将所述队列中的头部位置的历史第一图像删除,将队列中第二个位置上的历史第一图像作为队列的头部,其他位置上的历史第一图像依次向前移动,并将当前时刻的第一图像存入队列的尾部,作为下一帧原始图像帧的历史第一图像。
步骤S106,获取噪声图像帧;
可选的,所述噪声图像帧为灰度图像。所述噪声图像帧来自噪声图像,所述噪声图像为噪声图像帧序列,其可以随着原始图像的播放而同时播放,但是其帧率可以与原始图像不同,在获取到原始图像帧时,可以获取当前时刻所播放到的噪声图像的图像帧。所述噪声图像上的像素点的值为随机值,因此当噪声图像帧发生变化时,最终的合成图像中会随之发生变化,产生动态效果。
步骤S107,根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
在该步骤中,将所述原始图像帧、历史第一图像以及噪声图像按照预定的规则进行混合以生成合成图像。由于历史第一图像为当前时刻之前的目标对象的图像生成的一个或多个图像,因此当目标对象发生移动时,会产生类似重影跟随的效果。
可选的,所述根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像,包括:
步骤S301,将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像;
步骤S302,将所述第二图像进行第一处理得到第三图像;
步骤S303,根据所述第二图像、第三图像以及所述原始图像帧生成合成图像。
在步骤S301中,将所述噪声图像帧中的像素的值与所述历史第一图像中的与该像素的位置对应的位置的像素的值相乘得到第二图像中的像素的值,其中所述像素的值为二值化的值,即使说,将所述像素值从[0,255]归一化到[0,1]之间。在一个可选实施例中,所述将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像,包括:
步骤S401,将所述历史第一图像的像素的值乘以对比系数并加上图像偏移值得到历史第一调整图像;
步骤S402,将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像。
其中步骤S401中的对比系数以及图像偏移值为预先设定的参数,其目的在于将所述历史第一图像的像素对比度提高。在步骤S402中,将声图像帧中的像素的值与调整后得到的历史第一调整图像中的像素的值相乘得到第二图像。由此得到的第二图像,比没有经过上述步骤处理的第二图像的亮度高,使第二图像更加醒目。可以理解的,所述历史第一调整图像中的像素值被限定在[0,1]之间,如果所述述历史第一图像的像素的值乘以对比系数并加上图像偏移值得到的像素值小于0或者大于1,则将其值设定为0或1。
在所述步骤S402中,可选的,所述将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像,包括:
步骤S501,根据所述目标对象图像和历史第一调整图像得到历史第一调整图像的轮廓图像;
步骤S502,将噪声图像帧中的像素的值与所述轮廓图像中的像素的值相乘得到第二图像。
可选的,在步骤S501中,将历史第一调整图像减去目标对象图像得到历史第一调整图像的轮廓图像,可以理解的,该轮廓图像只包括所述历史第一调整图像中外扩出所述目标对象图像的部分。由此,在步骤S502中,所述第二图像也只包括了噪声图像帧与轮廓图像的混合结果。
在步骤S302中,对所述第二图像进一步进行第一处理得到第三图像,其中为了实现不同的图像效果,所述第一处理可以为任何处理。可选的,所述第一处理为混合处理,所述将所述第二图像进行第一处理得到第三图像,包括:
步骤S601,如果第二图像中的像素的值大于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第一颜色参数进行混合,得到第三图像中的像素的值;
典型的,所述第一阈值为0.8,第一颜色参数为color1,其中0<color1<1,设第二图像中的像素值为flamemask,原始图像中的像素的值为origincolor,第三图像中的像素的值为flamecolor,则根据以下公式计算flamecolor的值:
flamecolor=origincolor*(1-color1)+flamemask*color1;
步骤S602,如果第二图像中的像素的值大于第二阈值且小于等于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第二颜色参数进行混合,得到第三图像中的像素的值;
典型的,所述第二阈值为0.65,第二颜色参数为color2,其中0<color2<1,设第二图像中的像素值为flamemask,原始图像中的像素的值为origincolor,第三图像中的像素的值为flamecolor,则根据以下公式计算flamecolor的值:
flamecolor=origincolor*(1-color2)+flamemask*color2;
步骤S603,如果第二图像中的像素的值大于第三阈值且小于等于第二阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第三颜色参数进行混合,得到第三图像中的像素的值;
典型的,所述第三阈值为0.4,第三颜色参数为color3,其中0<color3<1,设第二图像中的像素值为flamemask,原始图像中的像素的值为origincolor,第三图像中的像素的值为flamecolor,则根据以下公式计算flamecolor的值:
flamecolor=origincolor*(1-color3)+flamemask*color3;
步骤S604,如果第二图像中的像素的值小于等于第三阈值,则将所述轮廓图像中的像素的值、原始图像中的像素的值和第四颜色参数进行混合,得到第三图像中的像素的值。
典型的,第四颜色参数为color4,其中0<color4<1,设轮廓图像中的像素的值为mattingadjust,原始图像中的像素的值为origincolor,第三图像中的像素的值为flamecolor,则根据以下公式计算flamecolor的值:
flamecolor=origincolor*(1-color4)+mattingadjust)*0.5*color4;可以理解的,上述第一颜色参数、第二颜色参数、第三颜色参数和第四颜色参数可以相同也可以不同,在此不做限制。对第二图像中的每个像素均做以上判断和处理,得到第三图像。
可选的,在所述步骤S201-步骤S205之后,所述步骤S302将所述第二图像进行第一处理得到第三图像,还可以包括:
步骤S701,将所述第二图像进行第一子处理,得到第四图像;
步骤S702,根据所述最大调整透明度生成第一透明度系数;
步骤S703,根据所述第四图像以及所述透明度系数生成第三图像。
在步骤S701中,所述第一子处理可以是任何处理,典型的,所述第一子处理可以是步骤S601-步骤S604中的第一处理,此时该步骤S701中的第四图像即为步骤S601-步骤04中得到的第三图像。在步骤S702中,根据步骤S204中得到的最大调整透明度生成第一透明度系数ttl,典型的,所述第一透明度系数ttl=a.max*2,且0≤ttl≤1。在步骤S703中,根据第四图像以及所述第一透明度系数生成第三图像,设第四图像中的像素的值为flamecolor,第三图像中的像素的值为flamecolorgrad,可以根据以下公式计算第三图像中的像素的值:
flamecolorgrad=flamecolor*vec3*(1-ttl)+flamecolor*ttl,
其中vec3为一个三维的向量,其中所述三维向量中的每一位的值均在[0,1]之间,如vec3可以为(1,0.8,0.3)。
在步骤303中,可选的,所述根据所述第二图像、第三图像以及所述原始图像帧生成合成图像,包括根据以下公式计算合成图像:
flamecolorgrad1=origincolor*(1-flamemask)+flamecolorgrad*flamemask其中flamecolorgrad1表示合成图像中的像素的值,origincolor表示原始图像帧中的像素的值,flamecolorgrad表示第三图像中像素的值,flamemask表示第二图像中像素的值。
本公开公开了一种图像合成方法、装置、电子设备和计算机可读存储介质。其中该图像合成方法包括:从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;从所述原始图像帧中分割出目标对象图像;对所述目标对象图像做模糊处理得到第一图像;获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;将所述第一图像放入所述缓存队列中;获取噪声图像帧,所述噪声图像帧为灰度图像;根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。通过上述方法,解决了现有技术中无法简单快速的生成视频效果的技术问题
在上文中,虽然按照上述的顺序描述了上述方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
图8为本公开实施例提供的图像合成装置实施例的结构示意图,如图8所示,该装置800包括:原始图像帧获取模块801、目标对象图像分割模块802、模糊处理模块803、历史第一图像获取模块804、第一图像缓存模块805、噪声图像帧获取模块806和合成模块807。其中,
原始图像帧获取模块801,用于从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;
目标对象图像分割模块802,用于从所述原始图像帧中分割出所述目标对象图像;
模糊处理模块803,用于对所述目标对象图像做模糊处理得到第一图像;
历史第一图像获取模块804,用于获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;
第一图像缓存模块805,用于将所述第一图像放入所述缓存队列中;
噪声图像帧获取模块806,用于获取噪声图像帧,所述噪声图像帧为灰度图像;
合成模块807,用于根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
进一步的,所述模糊处理模块803,还包括:
模糊参数获取模块,用于获取模糊参数;
高斯模糊模块,用于根据所述模糊参数对所述目标对象图像进行高斯模糊得到第一图像。
进一步的,所述第一图像缓存模块805,还包括:
移动模块,用于将所述缓存队列中的历史第一图像依次前移一个位置;
第一缓存模块,用于将所述第一图像放入所述缓存队列的队尾。
进一步的,所述合成模块807,还包括:
第二图像生成模块,用于将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像;
第一处理模块,用于将所述第二图像进行第一处理得到第三图像;
合成子模块,用于根据所述第二图像、第三图像以及所述原始图像帧生成合成图像。
进一步的,所述第二图像生成模块,还包括:
历史第一调整图像生成模块,用于将所述历史第一图像的像素的值乘以对比系数并加上图像偏移值得到历史第一调整图像;
第二图像第一生成模块,用于将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像。
进一步的,所述第二图像第一生成模块,还包括:
轮廓图像生成模块,用于根据所述目标对象图像和历史第一调整图像得到历史第一调整图像的轮廓图像;
第二图像第二生成模块,用于将噪声图像帧中的像素的值与所述轮廓图像中的像素的值相乘得到第二图像。
进一步的,所述第一处理模块,还包括:
第一处理第一模块,用于如果第二图像中的像素的值大于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第一颜色参数进行混合,得到第三图像中的像素的值;
第一处理第二模块,如果第二图像中的像素的值大于第二阈值且小于等于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第二颜色参数进行混合,得到第三图像中的像素的值;
第一处理第三模块,如果第二图像中的像素的值大于第三阈值且小于等于第二阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第三颜色参数进行混合,得到第三图像中的像素的值;
第一处理第四模块,如果第二图像中的像素的值小于等于第三阈值,则将所述轮廓图像中的像素的值、原始图像中的像素的值和第四颜色参数进行混合,得到第三图像中的像素的值。
进一步的,所述历史第一图像获取模块804,还包括:
原始历史第一图像获取模块,用于获取缓存队列中的多个原始历史第一图像;
透明度系数获取模块,用于获取所述多个原始历史第一图像的透明度系数;
调整透明度生成模块,用于将所述多个原始历史第一图像的透明度分别和与其对应的透明度系数相乘得到多个调整透明度;
最大调整透明度计算模块,用于计算得到所述多个调整透明度中的最大调整透明度;
历史第一图像获取子模块,用于根据所述最大调整透明度生成所述历史第一图像。
进一步的,所述第一处理模块,还包括:
第四图像生成模块,用于将所述第二图像进行第一子处理,得到第四图像;
第一透明度系数生成模块,用于根据所述最大调整透明度生成第一透明度系数;
第三图像生成模块,用于根据所述第四图像以及所述透明度系数生成第三图像。
进一步的,所述模糊处理模块803,还包括:
大小属性获取模块,用于获取所述目标对象的大小属性;
模糊处理子模块,用于根据所述大小属性控制模糊处理的处理范围对所述目标对象图像做模糊处理得到第一图像。
图8所示装置可以执行图1-图7所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图7所示实施例中的描述,在此不再赘述。
下面参考图9,其示出了适于用来实现本公开实施例的电子设备900的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置906加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常,以下装置可以连接至I/O接口905:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907;包括例如磁带、硬盘等的存储装置906;以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置909从网络上被下载和安装,或者从存储装置906被安装,或者从ROM 902被安装。在该计算机程序被处理装置901执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;从所述原始图像帧中分割出目标对象图像;对所述目标对象图像做模糊处理得到第一图像;获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;将所述第一图像放入所述缓存队列中;获取噪声图像帧,所述噪声图像帧为灰度图像;根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,提供了一种图像合成方法,包括:
从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;从所述原始图像帧中分割出目标对象图像;对所述目标对象图像做模糊处理得到第一图像;获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;将所述第一图像放入所述缓存队列中;获取噪声图像帧,所述噪声图像帧为灰度图像;根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
进一步的,所述对所述目标对象图像做模糊处理得到第一图像,包括:
获取模糊参数;根据所述模糊参数对所述目标对象图像进行高斯模糊得到第一图像。
进一步的,所述将所述第一图像放入所述缓存队列中,包括:将所述缓存队列中的历史第一图像依次前移一个位置;将所述第一图像放入所述缓存队列的队尾。
进一步的,所述根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像,包括:将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像;将所述第二图像进行第一处理得到第三图像;根据所述第二图像、第三图像以及所述原始图像帧生成合成图像。
进一步的,所述将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像,包括:将所述历史第一图像的像素的值乘以对比系数并加上图像偏移值得到历史第一调整图像;将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像。
进一步的,所述将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像,包括:根据所述目标对象图像和历史第一调整图像得到历史第一调整图像的轮廓图像;将噪声图像帧中的像素的值与所述轮廓图像中的像素的值相乘得到第二图像。
进一步的,所述将所述第二图像进行第一处理得到第三图像,包括:如果第二图像中的像素的值大于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第一颜色参数进行混合,得到第三图像中的像素的值;如果第二图像中的像素的值大于第二阈值且小于等于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第二颜色参数进行混合,得到第三图像中的像素的值;如果第二图像中的像素的值大于第三阈值且小于等于第二阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第三颜色参数进行混合,得到第三图像中的像素的值;如果第二图像中的像素的值小于等于第三阈值,则将所述轮廓图像中的像素的值、原始图像中的像素的值和第四颜色参数进行混合,得到第三图像中的像素的值。
进一步的,所述获取缓存队列中的历史第一图像,包括:获取缓存队列中的多个原始历史第一图像;获取所述多个原始历史第一图像的透明度系数;将所述多个原始历史第一图像的透明度分别和与其对应的透明度系数相乘得到多个调整透明度;计算得到所述多个调整透明度中的最大调整透明度;根据所述最大调整透明度生成所述历史第一图像。
进一步的,所述将所述第二图像进行第一处理得到第三图像,包括:将所述第二图像进行第一子处理,得到第四图像;根据所述最大调整透明度生成第一透明度系数;根据所述第四图像以及所述透明度系数生成第三图像。
进一步的,所述对所述目标对象图像做模糊处理得到第一图像,包括:获取所述目标对象的大小属性;根据所述大小属性控制模糊处理的处理范围对所述目标对象图像做模糊处理得到第一图像。
根据本公开的一个或多个实施例,提供了一种图像合成装置,包括:
原始图像帧获取模块,用于从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;
目标对象图像分割模块,用于从所述原始图像帧中分割出所述目标对象图像;
模糊处理模块,用于对所述目标对象图像做模糊处理得到第一图像;
历史第一图像获取模块,用于获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;
第一图像缓存模块,用于将所述第一图像放入所述缓存队列中;
噪声图像帧获取模块,用于获取噪声图像帧,所述噪声图像帧为灰度图像;
合成模块,用于根据所述原始图像帧、历史第一图像以及噪声图像帧生成合成图像。
进一步的,所述模糊处理模块,还包括:
模糊参数获取模块,用于获取模糊参数;
高斯模糊模块,用于根据所述模糊参数对所述目标对象图像进行高斯模糊得到第一图像。
进一步的,所述第一图像缓存模块,还包括:
移动模块,用于将所述缓存队列中的历史第一图像依次前移一个位置;
第一缓存模块,用于将所述第一图像放入所述缓存队列的队尾。
进一步的,所述合成模块,还包括:
第二图像生成模块,用于将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像;
第一处理模块,用于将所述第二图像进行第一处理得到第三图像;
合成子模块,用于根据所述第二图像、第三图像以及所述原始图像帧生成合成图像。
进一步的,所述第二图像生成模块,还包括:
历史第一调整图像生成模块,用于将所述历史第一图像的像素的值乘以对比系数并加上图像偏移值得到历史第一调整图像;
第二图像第一生成模块,用于将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像。
进一步的,所述第二图像第一生成模块,还包括:
轮廓图像生成模块,用于根据所述目标对象图像和历史第一调整图像得到历史第一调整图像的轮廓图像;
第二图像第二生成模块,用于将噪声图像帧中的像素的值与所述轮廓图像中的像素的值相乘得到第二图像。
进一步的,所述第一处理模块,还包括:
第一处理第一模块,用于如果第二图像中的像素的值大于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第一颜色参数进行混合,得到第三图像中的像素的值;
第一处理第二模块,如果第二图像中的像素的值大于第二阈值且小于等于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第二颜色参数进行混合,得到第三图像中的像素的值;
第一处理第三模块,如果第二图像中的像素的值大于第三阈值且小于等于第二阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第三颜色参数进行混合,得到第三图像中的像素的值;
第一处理第四模块,如果第二图像中的像素的值小于等于第三阈值,则将所述轮廓图像中的像素的值、原始图像中的像素的值和第四颜色参数进行混合,得到第三图像中的像素的值。
进一步的,所述历史第一图像获取模块,还包括:
原始历史第一图像获取模块,用于获取缓存队列中的多个原始历史第一图像;
透明度系数获取模块,用于获取所述多个原始历史第一图像的透明度系数;
调整透明度生成模块,用于将所述多个原始历史第一图像的透明度分别和与其对应的透明度系数相乘得到多个调整透明度;
最大调整透明度计算模块,用于计算得到所述多个调整透明度中的最大调整透明度;
历史第一图像获取子模块,用于根据所述最大调整透明度生成所述历史第一图像。
进一步的,所述第一处理模块,还包括:
第四图像生成模块,用于将所述第二图像进行第一子处理,得到第四图像;
第一透明度系数生成模块,用于根据所述最大调整透明度生成第一透明度系数;
第三图像生成模块,用于根据所述第四图像以及所述透明度系数生成第三图像。
进一步的,所述模糊处理模块,还包括:
大小属性获取模块,用于获取所述目标对象的大小属性;
模糊处理子模块,用于根据所述大小属性控制模糊处理的处理范围对所述目标对象图像做模糊处理得到第一图像。
根据本公开一个或多个实施例,提供一种电子设备,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述任一所述图像合成方法。
根据本公开一个或多个实施例,提供一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述任一所述图像合成方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种图像合成方法,包括:
从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;
从所述原始图像帧中分割出目标对象图像;
对所述目标对象图像做模糊处理得到第一图像;
获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;
将所述第一图像放入所述缓存队列中;
获取噪声图像帧,所述噪声图像帧为灰度图像;
将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像;将所述第二图像进行第一处理得到第三图像;根据所述第二图像、第三图像以及所述原始图像帧生成合成图像。
2.如权利要求1所述的图像合成方法,其中所述对所述目标对象图像做模糊处理得到第一图像,包括:
获取模糊参数;
根据所述模糊参数对所述目标对象图像进行高斯模糊得到第一图像。
3.如权利要求1所述的图像合成方法,其中所述将所述第一图像放入所述缓存队列中,包括:
将所述缓存队列中的历史第一图像依次前移一个位置;
将所述第一图像放入所述缓存队列的队尾。
4.如权利要求1所述的图像合成方法,其中所述将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像,包括:
将所述历史第一图像的像素的值乘以对比系数并加上图像偏移值得到历史第一调整图像;
将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像。
5.如权利要求4所述的图像合成方法,其中所述将噪声图像帧中的像素的值与所述历史第一调整图像中的像素的值相乘得到第二图像,包括:
根据所述目标对象图像和历史第一调整图像得到历史第一调整图像的轮廓图像;
将噪声图像帧中的像素的值与所述轮廓图像中的像素的值相乘得到第二图像。
6.如权利要求5所述的图像合成方法,其中所述将所述第二图像进行第一处理得到第三图像,包括:
如果第二图像中的像素的值大于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第一颜色参数进行混合,得到第三图像中的像素的值;
如果第二图像中的像素的值大于第二阈值且小于等于第一阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第二颜色参数进行混合,得到第三图像中的像素的值;
如果第二图像中的像素的值大于第三阈值且小于等于第二阈值,则将所述第二图像中的像素的值、原始图像中的像素的值和第三颜色参数进行混合,得到第三图像中的像素的值;
如果第二图像中的像素的值小于等于第三阈值,则将所述轮廓图像中的像素的值、原始图像中的像素的值和第四颜色参数进行混合,得到第三图像中的像素的值。
7.如权利要求1所述的图像合成方法,其中所述获取缓存队列中的历史第一图像,包括:
获取缓存队列中的多个原始历史第一图像;
获取所述多个原始历史第一图像的透明度系数;
将所述多个原始历史第一图像的透明度分别和与其对应的透明度系数相乘得到多个调整透明度;
计算得到所述多个调整透明度中的最大调整透明度;
根据所述最大调整透明度生成所述历史第一图像。
8.如权利要求7所述的图像合成方法,其中所述将所述第二图像进行第一处理得到第三图像,包括:
将所述第二图像进行第一子处理,得到第四图像;
根据所述最大调整透明度生成第一透明度系数;
根据所述第四图像以及所述透明度系数生成第三图像。
9.如权利要求1所述的图像合成方法,其中所述对所述目标对象图像做模糊处理得到第一图像,包括:
获取所述目标对象的大小属性;
根据所述大小属性控制模糊处理的处理范围对所述目标对象图像做模糊处理得到第一图像。
10.一种图像合成装置,包括:
原始图像帧获取模块,用于从图像源获取原始图像帧,其中所述原始图像帧中包括目标对象;
目标对象图像分割模块,用于从所述原始图像帧中分割出所述目标对象图像;
模糊处理模块,用于对所述目标对象图像做模糊处理得到第一图像;
历史第一图像获取模块,用于获取缓存队列中的历史第一图像,所述历史第一图像由所述原始图像帧之前的原始图像帧处理得到;
第一图像缓存模块,用于将所述第一图像放入所述缓存队列中;
噪声图像帧获取模块,用于获取噪声图像帧,所述噪声图像帧为灰度图像;
合成模块,用于将噪声图像帧中的像素的值与所述历史第一图像中的像素的值相乘得到第二图像;将所述第二图像进行第一处理得到第三图像;根据所述第二图像、第三图像以及所述原始图像帧生成合成图像。
11.一种电子设备,包括:
存储器,用于存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器运行时实现根据权利要求1-9中任意一项所述的图像合成方法。
12.一种非暂态计算机可读存储介质,用于存储计算机可读指令,当所述计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-9中任意一项所述的图像合成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959995.7A CN112651909B (zh) | 2019-10-10 | 2019-10-10 | 图像合成方法、装置、电子设备及计算机可读存储介质 |
PCT/CN2020/116292 WO2021068729A1 (zh) | 2019-10-10 | 2020-09-18 | 图像合成方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959995.7A CN112651909B (zh) | 2019-10-10 | 2019-10-10 | 图像合成方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651909A CN112651909A (zh) | 2021-04-13 |
CN112651909B true CN112651909B (zh) | 2024-03-15 |
Family
ID=75342779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910959995.7A Active CN112651909B (zh) | 2019-10-10 | 2019-10-10 | 图像合成方法、装置、电子设备及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112651909B (zh) |
WO (1) | WO2021068729A1 (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109348089A (zh) * | 2018-11-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 夜景图像处理方法、装置、电子设备及存储介质 |
CN110070515A (zh) * | 2019-01-31 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像合成方法、装置和计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9928628B2 (en) * | 2013-05-13 | 2018-03-27 | Nokia Technologies Oy | Method, apparatus and computer program product to represent motion in composite images |
US10217195B1 (en) * | 2017-04-17 | 2019-02-26 | Amazon Technologies, Inc. | Generation of semantic depth of field effect |
CN110035236A (zh) * | 2019-03-26 | 2019-07-19 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和电子设备 |
CN110047124A (zh) * | 2019-04-23 | 2019-07-23 | 北京字节跳动网络技术有限公司 | 渲染视频的方法、装置、电子设备和计算机可读存储介质 |
-
2019
- 2019-10-10 CN CN201910959995.7A patent/CN112651909B/zh active Active
-
2020
- 2020-09-18 WO PCT/CN2020/116292 patent/WO2021068729A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109348089A (zh) * | 2018-11-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 夜景图像处理方法、装置、电子设备及存储介质 |
CN110070515A (zh) * | 2019-01-31 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像合成方法、装置和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021068729A1 (zh) | 2021-04-15 |
CN112651909A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796664B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112182299B (zh) | 一种视频中精彩片段的获取方法、装置、设备和介质 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN112561840B (zh) | 视频裁剪方法、装置、存储介质及电子设备 | |
CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN110349107B (zh) | 图像增强的方法、装置、电子设备、及存储介质 | |
CN112381717A (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
US20210158490A1 (en) | Joint rolling shutter correction and image deblurring | |
CN115375536A (zh) | 图像处理方法及设备 | |
CN112785670A (zh) | 一种形象合成方法、装置、设备及存储介质 | |
CN116934577A (zh) | 一种风格图像生成方法、装置、设备及介质 | |
CN110211017B (zh) | 图像处理方法、装置及电子设备 | |
CN112906553B (zh) | 图像处理方法、装置、设备及介质 | |
CN112785669B (zh) | 一种虚拟形象合成方法、装置、设备及存储介质 | |
CN114650361B (zh) | 拍摄模式确定方法、装置、电子设备和存储介质 | |
CN111833459B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
US11810336B2 (en) | Object display method and apparatus, electronic device, and computer readable storage medium | |
CN116596748A (zh) | 图像风格化处理方法、装置、设备、存储介质和程序产品 | |
CN112651909B (zh) | 图像合成方法、装置、电子设备及计算机可读存储介质 | |
CN113963000B (zh) | 图像分割方法、装置、电子设备及程序产品 | |
CN112492230B (zh) | 视频处理方法、装置、可读介质及电子设备 | |
CN112418233B (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN110769129B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN114422698A (zh) | 视频生成方法、装置、设备及存储介质 | |
CN110599437A (zh) | 用于处理视频的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |